NVIDIAs kvartett på COMPUTEX 2026

Jetson Thor: Kant-AI til robottene

Jetson Thor er NVIDIAs neste generasjon kant-AI-plattform, designet for intelligente maskiner som roboter, industrielle systemer og autonome enheter.

Plattformen bygger på NVIDIA Blackwell GPU-arkitekturen og leverer opptil 2 070 FP4 TFLOPS AI-ytelse med 128 GB minne, innenfor et strømforbruk på omtrent 130 watt. Sammenlignet med den forrige Jetson AGX Orin-plattformen gir den opptil 7,5 ganger mer AI-ytelse og omtrent 3,5 ganger bedre energieffektivitet.

Dette kraftige løftet muliggjør en ny klasse applikasjoner, ofte kalt «fysisk AI». I stedet for å være avhengig av skyservere, kan roboter kjøre avanserte AI-modeller direkte på enheten – inkludert visjon-språk- og resonneringsmodeller som tolker sensordata i sanntid.

De viktigste forbedringene er:

• Høyytende slutningsberegning for generative og resonnerende modeller
• Sanntidsbehandling av multisensorinndata som kameraer og lidar
• Energieffektiv drift som passer for mobile roboter og industrielle systemer (mellom 40 og 130 watt)

For robotutviklere betyr dette at maskiner kan utføre mer kompleks persepsjon, planlegging og interaksjon lokalt – med lavere forsinkelse og mindre avhengighet av eksterne skytjenester.

Vera Rubin NVL72: Infrastruktur for AI-fabrikker

Mens Jetson Thor fokuserer på kanten, er Vera Rubin NVL72 det motsatte: en AI-superdatamaskin i rack-skala som integrerer 36 NVIDIA Vera-CPUer og 72 Rubin-GPUer koblet sammen via sjette generasjons NVLink, slik at alle GPUene fungerer som én samlet akselerator.

Arkitekturen er optimalisert for neste generasjons AI-arbeidsbelastninger – modeller med billioner av parametere, ettertrening, storskala slutningsberegning og langkontekst-resonnering.

NVIDIA rapporterer flere store effektivitetsforbedringer sammenlignet med forrige Blackwell-plattform:

• Opptil 10 ganger høyere slutningsytelse per watt
• Opptil 10 ganger lavere kostnad per token under slutningsberegning
• Trening av store modeller med omtrent en fjerdedel av antallet GPUer

Disse gevinstene kommer fra dyp systemintegrasjon. Plattformen kombinerer flere spesialbrikker – Rubin GPU, Vera CPU, NVLink 6-bryter, ConnectX-9 SuperNIC, BlueField-4 DPU og Spectrum-nettverk – til én enkelt arkitektur som fungerer som ett AI-system.

En annen grunn til at systemet fikk Bærekraftsprisen er den fysiske utformingen. Det bruker kabelfrie, slange- og viftefrie modulære skuffdesign som reduserer monteringstiden per dataskuff fra to timer til fem minutter, og 100 prosent væskekjøling gjør at systemet kan operere ved 45 grader celsius.

Kort sagt: Vera Rubin NVL72 viser at AI-racet ikke lenger handler om enkelt-GPUer, men om hele rack – ja, hele AI-fabrikker – konstruert som samlede datasystemer.

Alpamayo: Resonneringsbasert AI for selvkjørende biler

Den tredje prismottakeren, Alpamayo, tar fatt på et av de vanskeligste problemene i AI: trygg og pålitelig autonom kjøring.

Alpamayo er en åpen utviklingsplattform og en familie av AI-modeller for autonome kjøretøy, designet for å gå videre enn tradisjonelle persepsjonsfokuserte systemer. I stedet for bare å oppdage objekter, bruker modellene visjon-språk-handling-resonnering (VLA) til å tolke trafikksituasjoner og bestemme hvordan de skal reagere.

For eksempel kan Alpamayo 1-modellen behandle videoinndata og generere:

• kjørebaner (styring, bremsing, akselerasjon)
• resonneringsspor som forklarer hvorfor beslutningene ble tatt

Denne tilnærmingen gjør selvkjørende systemer mer gjennomsiktige og enklere å analysere, noe som er avgjørende for sikkerhetstesting i sjeldne eller komplekse kjørescenarier.

En annen viktig egenskap er treningspipelinen. Alpamayo-modeller trenes ved hjelp av en kombinasjon av:

• virkelige kjøredemonstrasjoner
• store syntetiske datasett generert gjennom simulering
• nøye annoterte kjøreeksempler

Ved å kombinere ekte og simulerte data får modellene langt flere kanttilfeller enn veitesting alene kan gi.

Full-stack-strategi for AI-tidsalderen

Sett under ett representerer de tre prismottakende teknologiene NVIDIAs bredere strategi for AI-tidsalderen.

• Jetson Thor bringer kraftig AI-resonnering direkte til roboter og kantenheter.
• Vera Rubin NVL72 gir den massive infrastrukturen som trengs for å trene og kjøre modeller med billioner av parametere i stor skala.
• Alpamayo anvender resonneringsbasert AI på autonome kjøretøy ved hjelp av dataløp som kombinerer ekte og syntetiske miljøer.

Kombinasjonen peker mot en fremtid der AI-systemer opererer på flere nivåer: trening i enorme AI-fabrikker, distribusjon i datasentre og sanntidsbeslutninger på kantenheter og autonome maskiner.

Nettopp denne helhetlige tilnærmingen – fra brikker til rack til intelligente agenter – er hovedgrunnen til at NVIDIA ble en av de mest fremtredende vinnerne på COMPUTEX 2026.